제 2 장 R 언어와 활용

• 텍스트 : 응용 계량경제학 - R 활용 / 박범조
• 발제자 : 김무성

차례

• 제1절 표현식과 명령문
• 제2절 구문법칙
• 제3절 객체의 속성
• 제4절 데이터의 형태
• 제5절 R의 주요 연산자와 함수
• 제6절 자료의 입력 및 출력

시작하기에 앞서

제1절 표현식과 명령문

1. 표현식(Expression)
2. 명령문(Statement)

1. 표현식(Expression)

표현식은 사용자가 원하는 작업 내용을 컴퓨터가 받아들여 수행할 수 있도록 하는 단위명령들의 조합.

> 25+15*5
> Y=C+I+G+(X-M)
> season <- c("spring", "smummer", "fail", "winter")

2. 명령문(Statement)

• 명령문은 표현식이나 명령어의 조합으로 이루어진다.
• R에서 명령문은 크게 2가지로 구분된다.
  • 직접 명령문
  • 할당 명령문

1) 직접 명령문

• 직접 명령문(direct statement)은 컴퓨터에게 사용자가 원하는 작업을 명령하고 컴퓨터가 수행한 작업의 결과를 즉시 반환하도록 요구하는 명령문의 형태이다.
• 입력된 명령문은 결과값을 반환할 뿐 R의 작업공간(Workspace) 내부에 저장되지 않는다.
• 할당 명령문을 제외하고 모두 직접 명령문이다.

직접 명령문 예제

25*3/13

## [1] 5.769

print(25*3/13, digits=10)

## [1] 5.769230769

2) 할당 명령문

• 할당 명령문(assignment statement)은 특정한 데이터 혹은 연산 결과를 새로운 문자열에 할당하여 하나의 객체를 정의하는 명령문이다.
• 직접 명령문과 달리 작업 결과의 반환을 요구하지 않는다.
• 할당 명령문의 ㅎ여태는 크게 두 가지이다.
  • 할당 연산자 이용
  • 할당 함수 assign() 이용

할당문 예제

x <- c(1,2,3,4,5,6,7,8,9,10)
x

##  [1]  1  2  3  4  5  6  7  8  9 10

assign("x", c(1,2,3,4,5,6,7,8,9,10))
x

##  [1]  1  2  3  4  5  6  7  8  9 10

c("USA", "Japan", "UK", "France", "Germany", "Italy", "Canada") -> G7
G7

## [1] "USA"     "Japan"   "UK"      "France"  "Germany" "Italy"   "Canada"

assign("G7", c("USA", "Japan", "UK", "France", "Germany", "Italy", "Canada"))
G7

## [1] "USA"     "Japan"   "UK"      "France"  "Germany" "Italy"   "Canada"

제2절 구문법칙

• 구문법칙(rules of syntax)은프로그래밍 언어에서 명령문의 구조를 지배하는 법칙이다.

1. 식별자(Identifier)
2. 명령문
3. 참조문(Comment)
4. 함수의 인수(Function argument)
5. 벡터 및 행렬의 지표(Index matirx)
   

1. 식별문자

• 문자열에 어떤 의미가 할당되에 연산이나 프로그래밍 과정에 그 실체를 인식하기 위한 낱말이 되면 이것은 식별문자가 된다.
• 식별문자는 보통 알파벳(A~Z, a~z)과 숫자(0~9)의 조합으로 이루어지며, 마침표(',') 혹은 밑줄문자('_')를 함께 사용할 수 있다.
• 간격문자는 포함될 수 없다
• 식별문자의 첫 글자로 숫자나 밑줄문자를 사용할 수 없다.
• 마침표를 첫 글자를 사용하더라도 다음에 오는 문자로 숫자는 사용할 수 없다.(소수점으로 인식함)
• 한글과 밑줄문자는 가급적 식별문자로 사용하지 말자
• R은 식별자의 대문자와 소문자를 구분
• 식별자는 오직 하나만. 동일한 식별 문자에 여러번 서로 다른 내용을 할당하면 그때마다 새 값이 할당된다(덮어쓰기).

> a b <- c(1,2,3,4,5) # 잘못된 식별문자
> 1a <- c(1,2,3,4,5)
> _a <- c(1,2,3,4,5)
> .1 <- c(1,2,3,4,5)

2. 명령문

기본적으로 단일 명령문은 표현식을 입력한 후 Enter 키를 누르는 것을 실행. 여러 명령문은 행으로 구분됨.

A <- c(1,2,3,4,5)
A

## [1] 1 2 3 4 5

25+15*5

## [1] 100

두 가지 이상의 명령문을 한 행에 동시에 입력하고자 하면, 세미콜론 사용.

A; 25+15*5

## [1] 1 2 3 4 5

## [1] 100

• 명령문의 입력은 완전한 형태를 갖추기 전까진 종료되지 않는다.

2. 참조문(Comment)

• (보통 주석문이라고 많이 부른다)
• 단일 행에서 '#' 기호 뒤에 입력된 명령문은 R에서 인식되지 않고 실행되지 않는다.
• 인간을 위한 참조문을 삽입할 때 사용한다.

참조문(주석문) 예제

# 이 문장은 실행되지 않는다. 2+5
print(2+5) # 2+5의 결과를 출력한다.

## [1] 7

# nominal National Disposable Income
# 통계청으로부터 수집된 2001년부터 2010년까지 우리나라의 연도별 명목 국민총처분가능소득(단위 : 십억 원) 관측값이다.
nominal.NDI <- c(649420, 719019, 764327, 826544, 861886, 906278, 973520, 1033947, 1069156, 1169392)

# Consumer Price Index
# 같은 기간의 우리나라 소비자 물가 지수(2010=100) 관측값이다.
CPI <- c(76.08, 78.18, 80.92, 83.83, 86.14, 88.07, 90.30, 94.52, 97.13, 100)

# real National Disposable Income
# 실질 국민총처분가능호득은 명목 국민총처분가능호득을 소비자 물가지수로 나눈 값에 100을 곱하여 계산할 수 있다.
rNDI = (nominal.NDI / CPI) * 100
rNDI # print rNDI

##  [1]  853601  919697  944546  985976 1000564 1029043 1078095 1093892
##  [9] 1100747 1169392

4. 함수의 인수(Function argument)

• 함수에 사용되는 인수(argument)는 함수의 기능을 보다 세밀하게 조정하는 옵션으로, 소괄호('()')로 묶어서 사용하게 된다.

> cor(x, y, use, method=c("pearson", "kendall", "spearman"))
> ts(data, start, end, frequency, delta, ts.eps, class, names)

5. 벡터 및 행렬의 지표(Index matrix)

• 대괄호('[ ]') 연산자는 벡터와 행렬의 원소들을 나타내는 지표(index)로 사용된다.
• 벡터는 1개의 차원을 가지므로 원소의 위치는 하나의 지표로
• 행렬은 2개의 차원(행과 열)을 가지므로 원소의 위치는 2개의 지표로 나타낸다.

지표 예제

rNDI                                 # 예제 2-10의 rNDK 객체 출력

##  [1]  853601  919697  944546  985976 1000564 1029043 1078095 1093892
##  [9] 1100747 1169392

rNDI[4]                              # 네 번째 원소 추출

## [1] 985976

rNDI[10]                             # 열 번째 원소 추출

## [1] 1169392

mat <- matrix(c(1,2,3,4), ncol=2)    # 2x2 행렬 생성 후 mat에 할당
mat                                  # 생성된 행렬의 내용 출력

##      [,1] [,2]
## [1,]    1    3
## [2,]    2    4

mat[1,1]                             # 1행 1열의 원소 추출

## [1] 1

mat[2,1]                             # 2행 1열의 원소 추출

## [1] 2

제3절 객체의 속성

1. 유형(Mode)
2. 길이(Length)
3. 클래스(Class)

객체의 속성

• R에서 의미를 가진 모든 것들은 객체이다.
• 상수, 즉 길이 1의 벡터도 객체이고, 행렬이나 변수도 객체이며, 연산자, 함수 등도 모두 객체이다.
• 그러므로 R 시스템 내부에서 객체는 모든 정보처리의 기본 단위이며, 객체에 대한 올바른 이해가 곧 R을 이해하는 선결 조건이라 볼 수 있다.
• 객체의 속성은 크게 유형과 길이, 클래스로 분류된다.
• 특히 계량분석 과정에서 가장 빈번하게 사용되는 객체인 벡터의 경우 모든 데이터가 동일한 유형을 가져야 하기에 객체의 속성 중에서도 유형을 파악하는 것은 매우 중요하다.

1. 유형(Mode)

• R에서 사용하는 모든 형태의 객체는 저마다 유형을 가지고 있는데, 유형이란 객체가 포함하고 있는 데이터의 최소단위를 지칭하는 용어다.
• 객체의 유형은 mode() 함수를 사용해서 판단할 수 있다.
• 객체의 유형은 크게 기본 형태를 가진 데이터와 특수 형태를 가진 데이터로 구분 될 수 있다.

1) 기본형 데이터와 유형

• 기본형 데이터는 크게 - 수치형, 논리형, 복소수형, 문자형으로 구분된다.
• 수치형은 다시 정수형과 실수형으로 구분된다. 세분화된 유형은 typeof() 함수를 통해 확인할 수 있다.

유형확인

mode(5+4)

## [1] "numeric"

mode(5>4)

## [1] "logical"

mode(2+5i)

## [1] "complex"

mode("economy")

## [1] "character"

유형 변환

A <- c(TRUE, FALSE, T, F, T, F)
as.numeric(A)

## [1] 1 0 1 0 1 0

as.character(A)

## [1] "TRUE"  "FALSE" "TRUE"  "FALSE" "TRUE"  "FALSE"

as.complex(A)

## [1] 1+0i 0+0i 1+0i 0+0i 1+0i 0+0i

B <- c(1,1,1,0,0,0)
as.logical(B)

## [1]  TRUE  TRUE  TRUE FALSE FALSE FALSE

as.integer(pi)

## [1] 3

2) 특수형 데이터와 유형

• NA(Not Available) - 데이터 수집 시 결측값(missing value), 혹은 데이터의 부재로 연산 결과를 얻을 수 없는 경우를 의미
• NaN(Not a Number) - 어떤 수학 연산의 결과로 특정한 갑을 제시해줄 수 엇는 경우
• -Inf - 음의 무한대
• +Inf - 양의 무한대
• NULL - 값이 비어 있거나 어떤 가치도 없음. (0이나 공백과 구분됨)

특수형 데이터 유형 예제

x <- c(1,2,3,NA,5)
y <- c(2,4,6,8,10)
x+y

## [1]  3  6  9 NA 15

0/0

## [1] NaN

Inf/1

## [1] Inf

c()

## NULL

특수형 데이터 확인하기

x[2] <- NaN
is.na(x)

## [1] FALSE  TRUE FALSE  TRUE FALSE

is.nan(x)

## [1] FALSE  TRUE FALSE FALSE FALSE

2. 길이(Length)

• 객체의 또 다른 특성으로 길이를 고려할 수 있다.
• 예를 들어 벡터의 길이는 원소의 개수
• m x n 행렬의 길이는 행렬을 구성하는 모든 원소의 갯수 m x n 이 된다.
• length() 함수로 확인

길이 확인하기

1:5

## [1] 1 2 3 4 5

length(c(1:5))

## [1] 5

G7

## [1] "USA"     "Japan"   "UK"      "France"  "Germany" "Italy"   "Canada"

length(G7)

## [1] 7

2. 클래스(Class)

• 클래스는 객체의 원형 (붕어빵을 찍어내는 붕어빵판)
• 클래스는 객체에 포함된 데이터가 정해진 규칙대로 연산되거나 작동되도록 제어하는 역할을 한다.
• 객체는 클래스라는 속성을 가지며, 객체를 생성하는 함수의 클래스에 의해 결정된다.
• 동일한 데이터 유형을 갖더라도 자료의 배열 형태가 다르면 클래스가 달라진다.(벡터, 배열, 행렬, 데이터 프레임이 같은 데이터 유형을 가질수는 있어도 그 안의 부가정보와 규칙은 다르다)
• 제네릭 함수(generic function) - 동일한 기능을 가진 제너릭 함수를 서로 다른 클래스를 가진 객체에 각각 적용시키면 해당 클래스에 따라 함수가 객체를 처리하는 방식이 달라진다. (예- summary 함수, print 함수)
• class() 함수로 객체의 클래스를 판별가능.

클래스 확인 예제

my.mat <- matrix(1:4, nrow=2)
my.mat

##      [,1] [,2]
## [1,]    1    3
## [2,]    2    4

mode(my.mat)

## [1] "numeric"

class(my.mat)

## [1] "matrix"

제4절 데이터의 형태

1. 벡터(Vecotr)
2. 범주형 자료(Factor)
3. 행렬(Matrix)
4. 배열(Array)
5. 리스트(List)
6. 데이터 프레임(Data Frame)
7. 경제자료의 종류와 형태
8. 시계열 자료(Time Series data)
9. 패널 자료(Panel Data)

1. 벡터(Vector)

• 하나, 혹은 그 이상의 값으로 구성된 1차원 구조.

1) 벡터 생성 방법

c(), assign()

x <- c(1,2,3,4)
x

## [1] 1 2 3 4

assign("y", c(1,2,3,4))
y

## [1] 1 2 3 4

수열 연산자와 함수:(:)과 seq()

-5:10

##  [1] -5 -4 -3 -2 -1  0  1  2  3  4  5  6  7  8  9 10

100:50

##  [1] 100  99  98  97  96  95  94  93  92  91  90  89  88  87  86  85  84
## [18]  83  82  81  80  79  78  77  76  75  74  73  72  71  70  69  68  67
## [35]  66  65  64  63  62  61  60  59  58  57  56  55  54  53  52  51  50

seq(from=1, to=10, by=0.5)

##  [1]  1.0  1.5  2.0  2.5  3.0  3.5  4.0  4.5  5.0  5.5  6.0  6.5  7.0  7.5
## [15]  8.0  8.5  9.0  9.5 10.0

seq(to=5)

## [1] 1 2 3 4 5

seq(to=10,length.out=15)

##  [1] -4 -3 -2 -1  0  1  2  3  4  5  6  7  8  9 10

seq(1,2,length.out=10)

##  [1] 1.000 1.111 1.222 1.333 1.444 1.556 1.667 1.778 1.889 2.000

반복(repeat) 함수 : rep()

rep(c(1,2,3), times=3)

## [1] 1 2 3 1 2 3 1 2 3

rep(1:5,each=2)

##  [1] 1 1 2 2 3 3 4 4 5 5

rep(G7, each=3, times=2)

##  [1] "USA"     "USA"     "USA"     "Japan"   "Japan"   "Japan"   "UK"     
##  [8] "UK"      "UK"      "France"  "France"  "France"  "Germany" "Germany"
## [15] "Germany" "Italy"   "Italy"   "Italy"   "Canada"  "Canada"  "Canada" 
## [22] "USA"     "USA"     "USA"     "Japan"   "Japan"   "Japan"   "UK"     
## [29] "UK"      "UK"      "France"  "France"  "France"  "Germany" "Germany"
## [36] "Germany" "Italy"   "Italy"   "Italy"   "Canada"  "Canada"  "Canada"

2) 벡터의 조작 방법

벡터의 원소 추출 : 지표([ ]) 사용

CPI

##  [1]  76.08  78.18  80.92  83.83  86.14  88.07  90.30  94.52  97.13 100.00

CPI[c(3,5,10)]

## [1]  80.92  86.14 100.00

CPI[-c(1,2,3,4,5)]

## [1]  88.07  90.30  94.52  97.13 100.00

CPI5Y <- CPI[6:10]
CPI5Y

## [1]  88.07  90.30  94.52  97.13 100.00

CPI[CPI>90]

## [1]  90.30  94.52  97.13 100.00

CPI>=90

##  [1] FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE

sum(CPI>=90)

## [1] 4

CPItmp <- CPI
CPItmp

##  [1]  76.08  78.18  80.92  83.83  86.14  88.07  90.30  94.52  97.13 100.00

CPItmp[2] <- NA
CPItmp

##  [1]  76.08     NA  80.92  83.83  86.14  88.07  90.30  94.52  97.13 100.00

CPItmp[c(3,5,10)] <- c(80,85,90)
CPItmp

##  [1] 76.08    NA 80.00 83.83 85.00 88.07 90.30 94.52 97.13 90.00

CPItmp[!is.na(CPItmp)] -> new.CPI
new.CPI

## [1] 76.08 80.00 83.83 85.00 88.07 90.30 94.52 97.13 90.00

rm(CPItmp)

벡터에 원소 추가 : append() 함수

G7

## [1] "USA"     "Japan"   "UK"      "France"  "Germany" "Italy"   "Canada"

G8 <- append(G7, "Russia")
G8

## [1] "USA"     "Japan"   "UK"      "France"  "Germany" "Italy"   "Canada" 
## [8] "Russia"

G20 <- append(G8, c("Korea", "China", "Australia", "India", "Brazil", "Mexico", "Indonesia", "Argentina", "Turkey", "Saudi Arabia", "South Africa", "EU"), after=1)  # 12개의 원소를 G8의 첫 번째 원소 뒤에 입력
G20

##  [1] "USA"          "Korea"        "China"        "Australia"   
##  [5] "India"        "Brazil"       "Mexico"       "Indonesia"   
##  [9] "Argentina"    "Turkey"       "Saudi Arabia" "South Africa"
## [13] "EU"           "Japan"        "UK"           "France"      
## [17] "Germany"      "Italy"        "Canada"       "Russia"

벡터의 개별 원소에 이름 부여 : names() 함수

GDP.rate <- c(5.2, 5.1, 2.3, 0.3, 6.2, 3.6)  # 경제성장률 자료 입력
GDP.rate

## [1] 5.2 5.1 2.3 0.3 6.2 3.6

names(GDP.rate) <- c(2005:2010)              # 원소 이름 입력
GDP.rate[c("2009","2010")]                   # 할당된 이름으로 원소 추출

## 2009 2010 
##  6.2  3.6

벡터의 개별 원소에 이름을 부여 : paste() 함수- 문자결합 함수

# 2006년부터 2011년까지 우리나라의 연도별 실업률 자료 입력
Unem.rate <- c(3.5, 3.2, 3.2, 3.6, 3.7, 3.4)
Unem.rate

## [1] 3.5 3.2 3.2 3.6 3.7 3.4

names(Unem.rate) <- paste(2005:2010, "y", sep="")
Unem.rate

## 2005y 2006y 2007y 2008y 2009y 2010y 
##   3.5   3.2   3.2   3.6   3.7   3.4

2. 범주형 자료(Factor)

• 인종, 성별, 직업, 거주 지역, 결혼 여부 등과 같이 어떤 현상의 질(quality이나 특성(character)을 다루는 질적 자료 값들 -> 범주(category)로 나눠지게 된다 -> 범주형 자료
• 범주형 자료가 순서를 가지면 특별히 순서 자료라고 한다.
• R에서는 범주형 자료의 데이터 형태를 요인(factor)라고 한다.
• 요인 자료가 순서가 있으면 순서형, 그렇지 않으면 명목형이라고 한다.

1) 명목형

명목형 자료의 생성 : factor()

# 상경대학 학생 30명을 임의로 선택, 이들이 졸업 후 어떤 직장에 취직하였는지를 설문조사하여 job이라는 객체에 할당. 
# 직업군 할당 - 공무원(1), 회사원(2), 교사(3), 은행원(4), 회계사(5)
job <- c(1, 1, 4, 5, 1, 4, 5, 5, 1, 3, 2, 5, 1, 2, 4, 2, 1, 5, 3, 4, 4, 5, 1, 3, 5, 1, 4, 4, 5, 4)
job

##  [1] 1 1 4 5 1 4 5 5 1 3 2 5 1 2 4 2 1 5 3 4 4 5 1 3 5 1 4 4 5 4

job.f <- factor(job, levels=c(1,2,3,4,5), labels=c("Gov", "Co.staff", "Teacher", "Banker", "Acc"))
job.f

##  [1] Gov      Gov      Banker   Acc      Gov      Banker   Acc     
##  [8] Acc      Gov      Teacher  Co.staff Acc      Gov      Co.staff
## [15] Banker   Co.staff Gov      Acc      Teacher  Banker   Banker  
## [22] Acc      Gov      Teacher  Acc      Gov      Banker   Banker  
## [29] Acc      Banker  
## Levels: Gov Co.staff Teacher Banker Acc

levels(job.f)

## [1] "Gov"      "Co.staff" "Teacher"  "Banker"   "Acc"

명목형 자료의 활용 : tapply()

# 직종별 임금 수준을 함께 조사하고 기초적 통계량을 얻어야 하는 경우, 
# 설문 대상자의 직종이 입력된 자료와 임금이 입력된 자료를 결합하고
# 평균이나 표준 편차와 같은 함수를 이용하여 통계량을 얻어야 한다.

# 1) 설문대상자 30명의 월별 임금을 순서대로 입력
incomes <- c(285, 270, 290, 310, 299, 305, 410, 380, 300, 280, 250, 520, 390, 355, 440, 371, 510, 630, 290, 410, 340, 395, 445, 300, 570, 500, 280, 354, 640, 550)
incomes

##  [1] 285 270 290 310 299 305 410 380 300 280 250 520 390 355 440 371 510
## [18] 630 290 410 340 395 445 300 570 500 280 354 640 550

# 2) 대상이 되는 incomes 객체를 인자1, 개별 임금 관측값의 지표가 되는 job.f를 인자 2입력, 평균 통계량 함수 인자3으로 넣어줌.
# 직종별 월 임금의 평균 통계량이 계산된다.
incmean <- tapply(incomes, job.f, mean)
incmean

##      Gov Co.staff  Teacher   Banker      Acc 
##    374.9    325.3    290.0    371.1    481.9

# 3) 직종별 월 임금의 표준편차 구하기.
incsd <- tapply(incomes, job.f, sd)
incsd

##      Gov Co.staff  Teacher   Banker      Acc 
##    99.64    65.73    10.00    91.63   124.67

2) 순서형

• 순서형 자료(ordered factor)는 각 레벨(level)에 순서를 부여하여 정리.
• factor() 함수의 ordered 인자에 T 입력
• 혹은 ordered() 함수 이용 가능

c(), assign()

# 직장의 종류와 임금 수준에 대한 조사와 더불어, 이들 30명의 직장 만족도 조사
# 만족의 정도 - 낮음(1), 보통(2), 높음(3)
ans.satis <- c(3, 2, 2, 1, 1, 1, 3, 3, 3, 2, 2, 2, 1, 1, 1, 3, 3, 2, 3, 1, 2, 3, 2, 1, 1, 3, 3, 3, 1, 2)
ans.satis

##  [1] 3 2 2 1 1 1 3 3 3 2 2 2 1 1 1 3 3 2 3 1 2 3 2 1 1 3 3 3 1 2

ans.satisf <- factor(ans.satis, levels=c(1,2,3), labels=c("low", "middle", "high"), ordered=T)
ans.satisf

##  [1] high   middle middle low    low    low    high   high   high   middle
## [11] middle middle low    low    low    high   high   middle high   low   
## [21] middle high   middle low    low    high   high   high   low    middle
## Levels: low < middle < high

ans.satisor <- ordered(ans.satis, level=c(1,2,3), label=c("low", "middle", "high"))
ans.satisor

##  [1] high   middle middle low    low    low    high   high   high   middle
## [11] middle middle low    low    low    high   high   middle high   low   
## [21] middle high   middle low    low    high   high   high   low    middle
## Levels: low < middle < high

names(ans.satisor) <- paste("person", 1:30, paste="")
ans.satisor

##  person 1   person 2   person 3   person 4   person 5   person 6  
##       high     middle     middle        low        low        low 
##  person 7   person 8   person 9  person 10  person 11  person 12  
##       high       high       high     middle     middle     middle 
## person 13  person 14  person 15  person 16  person 17  person 18  
##        low        low        low       high       high     middle 
## person 19  person 20  person 21  person 22  person 23  person 24  
##       high        low     middle       high     middle        low 
## person 25  person 26  person 27  person 28  person 29  person 30  
##        low       high       high       high        low     middle 
## Levels: low < middle < high

3. 행렬(Matrix)

1. 행렬의 생성 방법

행렬의 생성 : matrix() 함수

matrix(c(1,2,3,4))

##      [,1]
## [1,]    1
## [2,]    2
## [3,]    3
## [4,]    4

matrix(c(1,2,3,4), ncol=2)

##      [,1] [,2]
## [1,]    1    3
## [2,]    2    4

matrix(1:9, nrow=3, byrow=T)

##      [,1] [,2] [,3]
## [1,]    1    2    3
## [2,]    4    5    6
## [3,]    7    8    9

matdata <- c(1,2,3,4)
matrix(matdata, ncol=2, dimnames=list(c("row1", "row2"), c("col1", "col2")))

##      col1 col2
## row1    1    3
## row2    2    4

행렬의 생성 : rbind() 함수와 cbind() 함수

# 부분시장 균형 모형이 다음과 같다고 하자
# Q_d = Q_s
# Q_d = 10 - 2P
# Q_s = -5 + 3P

# 이때 3개의 변수를 Q_d, Q_s, P의 순서대로 배열한다면
# Q_d - Q_s      = 0            ----------- (1식)
# Q_d       + 2P = 10           ----------- (2식)
#       Q_s - 3P = - 5          ------------(3식)

# 따라서 위 모형의 계수행렬은 rbind() 함수를 사용하여 생성할 수 있다.
row1 <- c(1,-1,0)
row2 <- c(1,0,2)
row3 <- c(0,1,-3)
coef.mat <- rbind(row1, row2, row3)
coef.mat

##      [,1] [,2] [,3]
## row1    1   -1    0
## row2    1    0    2
## row3    0    1   -3

cbind() 함수로도 생성할 수 있다.

col1 <- c(1, 1, 0)
col2 <- c(-1, 0, 1)
col3 <- c(0, 2, -3)
coef.mat1 <- cbind(col1, col2, col3)
coef.mat1

##      col1 col2 col3
## [1,]    1   -1    0
## [2,]    1    0    2
## [3,]    0    1   -3

2) 행렬의 조작 방법

행렬의 원소 추출 : 지표([,]) 사용

coef.mat[3,3]

## row3 
##   -3

coef.mat[3,]

## [1]  0  1 -3

coef.mat[1:2,]

##      [,1] [,2] [,3]
## row1    1   -1    0
## row2    1    0    2

coef.mat[-2,]

##      [,1] [,2] [,3]
## row1    1   -1    0
## row3    0    1   -3

coef.mat[c("row1", "row3"),]

##      [,1] [,2] [,3]
## row1    1   -1    0
## row3    0    1   -3

coef.mat[,c(T,T,F)]

##      [,1] [,2]
## row1    1   -1
## row2    1    0
## row3    0    1

coef.mat[coef.mat==1]

## [1] 1 1 1

coef.mat==1

##       [,1]  [,2]  [,3]
## row1  TRUE FALSE FALSE
## row2  TRUE FALSE FALSE
## row3 FALSE  TRUE FALSE

coef.mat -> mat.tmp
mat.tmp[,3] <- 5
mat.tmp

##      [,1] [,2] [,3]
## row1    1   -1    5
## row2    1    0    5
## row3    0    1    5

mat.tmp[mat.tmp==1] <- 0
mat.tmp

##      [,1] [,2] [,3]
## row1    0   -1    5
## row2    0    0    5
## row3    0    0    5

cbind(mat.tmp, 1:3)

##      [,1] [,2] [,3] [,4]
## row1    0   -1    5    1
## row2    0    0    5    2
## row3    0    0    5    3

rbind(mat.tmp,1)

##      [,1] [,2] [,3]
## row1    0   -1    5
## row2    0    0    5
## row3    0    0    5
##         1    1    1

rbind(mat.tmp[1,], c(2,4,6), mat.tmp[2:3,])

##      [,1] [,2] [,3]
##         0   -1    5
##         2    4    6
## row2    0    0    5
## row3    0    0    5

행렬의 원소 추출 : 지표행렬 사용

A <- matrix(1:36,nrow=6)
A

##      [,1] [,2] [,3] [,4] [,5] [,6]
## [1,]    1    7   13   19   25   31
## [2,]    2    8   14   20   26   32
## [3,]    3    9   15   21   27   33
## [4,]    4   10   16   22   28   34
## [5,]    5   11   17   23   29   35
## [6,]    6   12   18   24   30   36

i.mat <- matrix(c(2,3,4,1,4,4,5,6),ncol=2, byrow=T)
i.mat

##      [,1] [,2]
## [1,]    2    3
## [2,]    4    1
## [3,]    4    4
## [4,]    5    6

dimnames(i.mat) <- list(c("index1", "index2", "index3", "index4"), c("row","col"))
i.mat

##        row col
## index1   2   3
## index2   4   1
## index3   4   4
## index4   5   6

A[i.mat]

## [1] 14  4 22 35

A[i.mat] <- c(3,4,6,8)
A

##      [,1] [,2] [,3] [,4] [,5] [,6]
## [1,]    1    7   13   19   25   31
## [2,]    2    8    3   20   26   32
## [3,]    3    9   15   21   27   33
## [4,]    4   10   16    6   28   34
## [5,]    5   11   17   23   29    8
## [6,]    6   12   18   24   30   36

4. 배열(Array)

• 배열은 동일한 유형의 원소로 이루어진 데이터 구조
• 여러 개의 차원으로 구성될 수 있따.
• 벡터와 행렬은 배열의 일종

1차원 배열의 예

2차원 배열의 예

3차원 배열의 예

1) 배열의 생성 방법

배열 생성을 위한 R 함수 : array()

arr <- array(1:18, dim=c(3,3,2), dimnames=list(c("KOR","CHI","JAP"), c("GDP.R", "USD.R", "Cuur.Acc"), c("2011Y", "2012Y")))
arr

## , , 2011Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR     1     4        7
## CHI     2     5        8
## JAP     3     6        9
## 
## , , 2012Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR    10    13       16
## CHI    11    14       17
## JAP    12    15       18

arr1 <- 1:18
dim(arr1) <-c(3,3,2)
dimnames(arr1) <- list(c("KOR","CHI","JAP"), c("GDP.R", "USD.R", "Cuur.Acc"), c("2011Y", "2012Y"))
arr1

## , , 2011Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR     1     4        7
## CHI     2     5        8
## JAP     3     6        9
## 
## , , 2012Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR    10    13       16
## CHI    11    14       17
## JAP    12    15       18

arr1==arr

## , , 2011Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR  TRUE  TRUE     TRUE
## CHI  TRUE  TRUE     TRUE
## JAP  TRUE  TRUE     TRUE
## 
## , , 2012Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR  TRUE  TRUE     TRUE
## CHI  TRUE  TRUE     TRUE
## JAP  TRUE  TRUE     TRUE

2) 배열의 조작 방법

배열의 조작 방법 예제

arr

## , , 2011Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR     1     4        7
## CHI     2     5        8
## JAP     3     6        9
## 
## , , 2012Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR    10    13       16
## CHI    11    14       17
## JAP    12    15       18

arr[1,,]

##          2011Y 2012Y
## GDP.R        1    10
## USD.R        4    13
## Cuur.Acc     7    16

arr[,-2,]  # 마이너스 지표는, 삭제를 의미

## , , 2011Y
## 
##     GDP.R Cuur.Acc
## KOR     1        7
## CHI     2        8
## JAP     3        9
## 
## , , 2012Y
## 
##     GDP.R Cuur.Acc
## KOR    10       16
## CHI    11       17
## JAP    12       18

arr[,,2]

##     GDP.R USD.R Cuur.Acc
## KOR    10    13       16
## CHI    11    14       17
## JAP    12    15       18

arr[,,"2012Y"]

##     GDP.R USD.R Cuur.Acc
## KOR    10    13       16
## CHI    11    14       17
## JAP    12    15       18

arr[c(T,T,F),,2]

##     GDP.R USD.R Cuur.Acc
## KOR    10    13       16
## CHI    11    14       17

배열 원소의 추출 밎 수정

arr -> arr.tmp
arr.tmp

## , , 2011Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR     1     4        7
## CHI     2     5        8
## JAP     3     6        9
## 
## , , 2012Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR    10    13       16
## CHI    11    14       17
## JAP    12    15       18

arr.tmp[,,1] <- c(5,6,4)
arr.tmp

## , , 2011Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR     5     5        5
## CHI     6     6        6
## JAP     4     4        4
## 
## , , 2012Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR    10    13       16
## CHI    11    14       17
## JAP    12    15       18

arr.tmp[,1,2] <- NA
arr.tmp

## , , 2011Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR     5     5        5
## CHI     6     6        6
## JAP     4     4        4
## 
## , , 2012Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR    NA    13       16
## CHI    NA    14       17
## JAP    NA    15       18

arr.tmp[is.na(arr.tmp)] <- c(8,5,2)
arr.tmp

## , , 2011Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR     5     5        5
## CHI     6     6        6
## JAP     4     4        4
## 
## , , 2012Y
## 
##     GDP.R USD.R Cuur.Acc
## KOR     8    13       16
## CHI     5    14       17
## JAP     2    15       18

5. 리스트(List)

• 리스트는 여러 가지 유형을 가진 객체들의 집합(비교하자면,벡터는 동일한 유형으로만 이뤄져야 한다)
• 리스트를 이루는 객체를 성분(component)라고 한다.

1) 리스트의 생성 방법

리스트 생성방법 예제

# 1) 한국은행에서 수집한 분기별 대미환율(2010.1/4~2012.1/4, 단위 : 원) 자료
ex.rate <- c(1144, 1166, 1585, 1134, 1120, 1084, 1084, 1145, 1131)
ex.rate

## [1] 1144 1166 1585 1134 1120 1084 1084 1145 1131

# 2) 분기별 경상수지(2010.1/4~2012.1/4, 단위 : 백만 달러) 자료
blc.ca <- c(68, 10735, 10122, 8469, 2610, 5492, 6896, 11507, 2631)
blc.ca

## [1]    68 10735 10122  8469  2610  5492  6896 11507  2631

# 3) 위 자료들을 하나의 묶어 list로 할당
trade.kor <- list(country="Korea", KRW.USD=ex.rate, balance=blc.ca)
trade.kor

## $country
## [1] "Korea"
## 
## $KRW.USD
## [1] 1144 1166 1585 1134 1120 1084 1084 1145 1131
## 
## $balance
## [1]    68 10735 10122  8469  2610  5492  6896 11507  2631

mode(trade.kor)

## [1] "list"

attributes(trade.kor)

## $names
## [1] "country" "KRW.USD" "balance"

length(trade.kor)

## [1] 3

2) 리스트의 조작 방법

리스트의 성분과 원소 조작 : 대괄호 연산자([ ]) 사용

# 성분 추출은 [[]] 사용
# 성분에 포함된 원소 추출은 []
trade.kor[[1]]

## [1] "Korea"

trade.kor[[2]]

## [1] 1144 1166 1585 1134 1120 1084 1084 1145 1131

trade.kor[[3]][2]

## [1] 10735

리스트의 성분과 원소 조작 : 성분추출 연산자($) 사용

trade.kor$country

## [1] "Korea"

trade.kor$balance[2]

## [1] 10735

trade.kor$KRW.USD[c(2,3,6)]

## [1] 1166 1585 1084

리스트의 성분과 원소 조작 : 성분의 추가와 삭제

# 네 번째 성분으로, 같은 시기의 분기별 경제성장률(2010.1/4~2012.1/4, 단위 : %) 추가해보자
GDP.growth <- c(2.1, 1.4, 0.6, 0.5, 1.3, 0.9, 0.8, 0.3, 0.9)
trade.tmp <- trade.kor
trade.tmp

## $country
## [1] "Korea"
## 
## $KRW.USD
## [1] 1144 1166 1585 1134 1120 1084 1084 1145 1131
## 
## $balance
## [1]    68 10735 10122  8469  2610  5492  6896 11507  2631

trade.tmp[4] <- GDP.growth

## Warning: number of items to replace is not a multiple of replacement
## length

names(trade.tmp)[[4]] <- "GDP.growth.rate"
trade.tmp

## $country
## [1] "Korea"
## 
## $KRW.USD
## [1] 1144 1166 1585 1134 1120 1084 1084 1145 1131
## 
## $balance
## [1]    68 10735 10122  8469  2610  5492  6896 11507  2631
## 
## $GDP.growth.rate
## [1] 2.1

trade.tmp$GDP.growth.rate

## [1] 2.1

trade.tmp$GDP.growth.rate <- NULL
trade.tmp

## $country
## [1] "Korea"
## 
## $KRW.USD
## [1] 1144 1166 1585 1134 1120 1084 1084 1145 1131
## 
## $balance
## [1]    68 10735 10122  8469  2610  5492  6896 11507  2631

6. 데이터 프레임(Data Frame)

• 데이터 프레임은 리스트의 특수한 형태다
• 2개의 차원으로 이루어져 있다.
• 리스트와 마찬가지로 데이터 프레임을 구성하는 각 변수는 서로 다른 형태의 데이터를 가질 수 있다.
• 다만 데이터 프레임은 모든 변수의 길이가 같아야 한다(리스트는 그럴 필요가 없다)

1) 데이터 프레임의 생성 방법

데이터 프레임을 생성하기 위한 R 함수 : data.frame()

# 대미환율(ex.rate), 경상수지(blc.ca), 경제성장률(GDP.growth) 자료 사용
# 대미환율
str(ex.rate)

##  num [1:9] 1144 1166 1585 1134 1120 ...

# 경상수지
str(blc.ca)

##  num [1:9] 68 10735 10122 8469 2610 ...

# 경제성장률
str(GDP.growth)

##  num [1:9] 2.1 1.4 0.6 0.5 1.3 0.9 0.8 0.3 0.9

# 데이터 프레임 구성
trade.df <- data.frame(ex.rate, blc.ca, GDP.growth, row.names=c(paste(rep(2010:2012, each=4, length.out=9), paste(1:4, 4, sep="/"), sep=".")))
# 속성 확인
attributes(trade.df)

## $names
## [1] "ex.rate"    "blc.ca"     "GDP.growth"
## 
## $row.names
## [1] "2010.1/4" "2010.2/4" "2010.3/4" "2010.4/4" "2011.1/4" "2011.2/4"
## [7] "2011.3/4" "2011.4/4" "2012.1/4"
## 
## $class
## [1] "data.frame"

# 길이 확인
length(trade.df)

## [1] 3

# 구조 요약확인
str(trade.df)

## 'data.frame':    9 obs. of  3 variables:
##  $ ex.rate   : num  1144 1166 1585 1134 1120 ...
##  $ blc.ca    : num  68 10735 10122 8469 2610 ...
##  $ GDP.growth: num  2.1 1.4 0.6 0.5 1.3 0.9 0.8 0.3 0.9

# 앞에 몇 개 데이터만 보기
head(trade.df)

##          ex.rate blc.ca GDP.growth
## 2010.1/4    1144     68        2.1
## 2010.2/4    1166  10735        1.4
## 2010.3/4    1585  10122        0.6
## 2010.4/4    1134   8469        0.5
## 2011.1/4    1120   2610        1.3
## 2011.2/4    1084   5492        0.9

# 데이터 요약통계 보기
summary(trade.df)

##     ex.rate         blc.ca        GDP.growth   
##  Min.   :1084   Min.   :   68   Min.   :0.300  
##  1st Qu.:1120   1st Qu.: 2631   1st Qu.:0.600  
##  Median :1134   Median : 6896   Median :0.900  
##  Mean   :1177   Mean   : 6503   Mean   :0.978  
##  3rd Qu.:1145   3rd Qu.:10122   3rd Qu.:1.300  
##  Max.   :1585   Max.   :11507   Max.   :2.100

3) 데이터 프레임의 조작 방법

데이터 프레임의 원소 조작 : 대괄호([ ]) 연산자와 성분추출($) 연산자

head(trade.df)

##          ex.rate blc.ca GDP.growth
## 2010.1/4    1144     68        2.1
## 2010.2/4    1166  10735        1.4
## 2010.3/4    1585  10122        0.6
## 2010.4/4    1134   8469        0.5
## 2011.1/4    1120   2610        1.3
## 2011.2/4    1084   5492        0.9

# 1행 전체, 즉 2010년 1/4분기의 대미환율, 경상수지, 경제성장률 관측값 추출
trade.df[1,]

##          ex.rate blc.ca GDP.growth
## 2010.1/4    1144     68        2.1

# 세 번째 변수의 1행과 5행, 9행의 원소 - 즉 2010, 2011, 2012년도 1/4분기의 경제성장률 관측값 추출
trade.df[c(1,5,9), 3]

## [1] 2.1 1.3 0.9

# 첫 번째 변수와 세 번째 변수, 즉 대미환율 변수와 경제성장률 변수 전체를 추출
trade.df[,c(T,F,T)]

##          ex.rate GDP.growth
## 2010.1/4    1144        2.1
## 2010.2/4    1166        1.4
## 2010.3/4    1585        0.6
## 2010.4/4    1134        0.5
## 2011.1/4    1120        1.3
## 2011.2/4    1084        0.9
## 2011.3/4    1084        0.8
## 2011.4/4    1145        0.3
## 2012.1/4    1131        0.9

# 세 번째 변수인 경제성장률 변수를 추출
# 데이터 프레임도 리스트이므로, 성분 추출 연산자 [[]] 적용 
trade.df[[3]]

## [1] 2.1 1.4 0.6 0.5 1.3 0.9 0.8 0.3 0.9

# 첫번째 변수의 첫 번째 원소, 즉 2010년 1/4분기의 대미환율 관측값 추출
trade.df[[1]][1]

## [1] 1144

# 세 번째 변수의 관측값들 중에서 1 이상의 값을 가지는 행을 추출 -> 경제성장률이 1% 이상인 분기를 학인
trade.df[trade.df[[3]]>=1,]

##          ex.rate blc.ca GDP.growth
## 2010.1/4    1144     68        2.1
## 2010.2/4    1166  10735        1.4
## 2011.1/4    1120   2610        1.3

# 성분추출 연산자 $
trade.df$ex.rate

## [1] 1144 1166 1585 1134 1120 1084 1084 1145 1131

trade.df$GDP.growth[c(1,2,9)]

## [1] 2.1 1.4 0.9

trade.df[trade.df$blc.ca>=10000,2]

## [1] 10735 10122 11507

데이터 프레임의 원소 조작 : attach() 함수와 detach() 함수

# 5명 학생 데이터 - 이름, 나이, 성별, 전공 변수로 구성.
student <- data.frame(name=letters[1:5], age=c(22,23,21,20,25), sex=c("m", "m", "f", "f", "f"), major=c("eco", "math", "eng", "eco", "art"), stringsAsFactors=F)
student

##   name age sex major
## 1    a  22   m   eco
## 2    b  23   m  math
## 3    c  21   f   eng
## 4    d  20   f   eco
## 5    e  25   f   art

search()

##  [1] ".GlobalEnv"        "package:knitr"     "package:stats"    
##  [4] "package:graphics"  "package:grDevices" "package:utils"    
##  [7] "package:datasets"  "package:methods"   "Autoloads"        
## [10] "package:base"

attach(student)
search()

##  [1] ".GlobalEnv"        "student"           "package:knitr"    
##  [4] "package:stats"     "package:graphics"  "package:grDevices"
##  [7] "package:utils"     "package:datasets"  "package:methods"  
## [10] "Autoloads"         "package:base"

ls(2)

## [1] "age"   "major" "name"  "sex"

sdt.tmp <- student
sdt.tmp

##   name age sex major
## 1    a  22   m   eco
## 2    b  23   m  math
## 3    c  21   f   eng
## 4    d  20   f   eco
## 5    e  25   f   art

major

## [1] "eco"  "math" "eng"  "eco"  "art"

major[c(3,4)] <- c("jab", "acc")
sdt.tmp[,4] <- major
sdt.tmp

##   name age sex major
## 1    a  22   m   eco
## 2    b  23   m  math
## 3    c  21   f   jab
## 4    d  20   f   acc
## 5    e  25   f   art

detach(student)
search()

##  [1] ".GlobalEnv"        "package:knitr"     "package:stats"    
##  [4] "package:graphics"  "package:grDevices" "package:utils"    
##  [7] "package:datasets"  "package:methods"   "Autoloads"        
## [10] "package:base"

7. 경제자료의 종류와 형태

• 횡단면 자료(coross-section data) - 관심의 대상이 되는 변수를 일정 시점에서 각 객체별로 관측하여 얻은 값

• 시계열 자료(time-series data) - 관심의 대상이 되는 변수를 시간의 순서에 따라 일정 기간 동안 관측하여 얻은 값.

• 종적 자료(longitudinal data) - 변수들을 여러 개체별로 시간의 순서에 따라 여러 시점에 걸쳐 얻은 자료.

• 패널 자료(panel data) - 종적 자료 중 개체별로 관측 시점이 모두 동일하게 구성된 경우.

8. 시계열 자료(Time Series data)

• 시계열이란 데이터를 시간의 변화에 따라 나열한 통계계열(statistical series)
• 관심의 대상이 되는 어떤 변수를 규칙적으로 관측하여 얻게 됨
• 변수의 확률 과정이나 패턴을 모형화
• 미래를 예측하는 동태적 분석

1) 시계열 생성 방법

• 단순 시계열(single time series) - 하나의 변수에 대해
• 다중 시계열(multiple time series) - 둘 이상의 변수에 대해

시계열 자료 생성을 위한 R 함수

## 단순 시계열
# 1) 데이터 생성
ts.data <- 1:12
ts.data

##  [1]  1  2  3  4  5  6  7  8  9 10 11 12

# 2) 분기별 시계열 생성
ts1 <- ts(ts.data, start=2010, frequency=4)
ts1

##      Qtr1 Qtr2 Qtr3 Qtr4
## 2010    1    2    3    4
## 2011    5    6    7    8
## 2012    9   10   11   12

# 3) 월별 시계열 생성
ts2 <- ts(ts.data, start=2010, frequency=12)
ts2

##      Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
## 2010   1   2   3   4   5   6   7   8   9  10  11  12

## 다중 시계열
# 1) 데이터 행렬 생성
mts.dat <- matrix(1:12, ncol=2)
mts.dat

##      [,1] [,2]
## [1,]    1    7
## [2,]    2    8
## [3,]    3    9
## [4,]    4   10
## [5,]    5   11
## [6,]    6   12

# 2) 연결 시계열 생성
mts <- ts(mts.dat, end=2012, frequency=1)
mts

## Time Series:
## Start = 2007 
## End = 2012 
## Frequency = 1 
##      Series 1 Series 2
## 2007        1        7
## 2008        2        8
## 2009        3        9
## 2010        4       10
## 2011        5       11
## 2012        6       12

2) 시계열 조작 방법

원소 추출, 차원에 이름 부여하기

# 1) 차원에 이름 부여
dimnames(mts) <- list(NULL, c("KOSDAQ", "KOSPI"))
mts

## Time Series:
## Start = 2007 
## End = 2012 
## Frequency = 1 
##      KOSDAQ KOSPI
## 2007      1     7
## 2008      2     8
## 2009      3     9
## 2010      4    10
## 2011      5    11
## 2012      6    12

# 2) 3행의 원소 추출
mts[3,]

## KOSDAQ  KOSPI 
##      3      9

# 3) 3행 2열의 원소 추출
mts[3,2]

## KOSPI 
##     9

# 4) 논리값으로 원소 추출
mts[c(T,F,T,F,T,F),]

##      KOSDAQ KOSPI
## [1,]      1     7
## [2,]      3     9
## [3,]      5    11

# 5) 시계열의 시작, 종료, 주기를 반환
tsp(mts)

## [1] 2007 2012    1

9. 패널 자료(Panel Data)

• 패널 자료는 횡단면 자료 + 시계열 자료의 혼합형태
• 패널 자료는 종적 자료 중에서 특별히 변수의 관측 시점이 모두 동일하게 구성된 자료
• (횡단면 자료 = 변수를 일정 시점에서 여러 개체별로 관측하여 얻은 값들의 모임)
• (시계열 자료 = 변수를 시간의 흐름에 따라 일정 기간 동안 관측하여 얻은 값들의 모임)
• (종적 자료 = 변수를 여러 개체별로 시간의 흐름에 따라 여러 시점에 걸쳐 관측한 값들의 모임)

1) 패널 자료의 형태

• 단순 시계열(single time series) - 하나의 변수에 대해
• 다중 시계열(multiple time series) - 둘 이상의 변수에 대해

패널 자료의 형태 예제

• 성인 3명, 체질량지수(BMI), 수축기 혈압(B.press), 공복 시 혈당수치(B.sugar)
• 3년간 관측(2011~2013)

연산 편의를 위한 패널 자료의 정리(2차원 형태로) 예제

• 'plm' 패키지 사용
• 개체별 시간의 흐름을 고려하는 형태로 변환

2) 패널 자료의 생성 방법

• 사용자가 재정리하여 입력하는 방법
• 함수를 이용하는 방법

사용자가 자료를 재정리하여 입력하는 방법

# 1) 개체 이름 벡터 생성
name <- rep(c("Kim", "Lee", "Choi"), each=3)
name

## [1] "Kim"  "Kim"  "Kim"  "Lee"  "Lee"  "Lee"  "Choi" "Choi" "Choi"

# 2) 연도 벡터 생성
year <- rep(2011:2013, times=3)
year

## [1] 2011 2012 2013 2011 2012 2013 2011 2012 2013

# 3) BMI 벡터 생성
BMI <- c(22,24,25,26,25,22,23,22,19)
BMI

## [1] 22 24 25 26 25 22 23 22 19

# 4) 혈압 벡터 생성
B.press <- c(116, 115, 110, 124, 121, 120, 138, 129, 121)
B.press

## [1] 116 115 110 124 121 120 138 129 121

# 5) 혈당수치 벡터 생성
B.sugar <- c(69, 77, 73, 92, 90, 97, 88, 83, 83)
B.sugar

## [1] 69 77 73 92 90 97 88 83 83

# 6) 패널 자료 생성
health.panel <- data.frame(name, year, BMI, B.press, B.sugar)
health.panel

##   name year BMI B.press B.sugar
## 1  Kim 2011  22     116      69
## 2  Kim 2012  24     115      77
## 3  Kim 2013  25     110      73
## 4  Lee 2011  26     124      92
## 5  Lee 2012  25     121      90
## 6  Lee 2013  22     120      97
## 7 Choi 2011  23     138      88
## 8 Choi 2012  22     129      83
## 9 Choi 2013  19     121      83

함수를 사용하는 방법 : pdata.frame() 함수

• 표 2-19의 형태를 -> 표 20의 형태로 변환(분석에 적합하도록)

# 1) 2011년 데이터 프레임
h.df1 <- data.frame(name=c("Kim", "Lee", "Choi"), year=c(2011, 2011, 2011), BMI=c(22, 26, 23), B.press=c(116, 124, 138), B.sugar=c(69, 92, 88))
h.df1

##   name year BMI B.press B.sugar
## 1  Kim 2011  22     116      69
## 2  Lee 2011  26     124      92
## 3 Choi 2011  23     138      88

# 2) 2012년 데이터 프레임
h.df2 <- data.frame(name=c("Kim", "Lee", "Choi"), year=c(2012, 2012, 2012), BMI=c(24, 25, 22), B.press=c(115, 121, 129), B.sugar=c(77, 90, 83))
h.df2

##   name year BMI B.press B.sugar
## 1  Kim 2012  24     115      77
## 2  Lee 2012  25     121      90
## 3 Choi 2012  22     129      83

# 3) 2013년 데이터 프레임
h.df3 <- data.frame(name=c("Kim", "Lee", "Choi"), year=c(2013, 2013, 2013), BMI=c(25, 22, 19), B.press=c(110, 120, 121), B.sugar=c(73, 97, 83))
h.df3

##   name year BMI B.press B.sugar
## 1  Kim 2013  25     110      73
## 2  Lee 2013  22     120      97
## 3 Choi 2013  19     121      83

# 4) 3개의 데이터 프레임을 결합
h.df.total <- rbind(h.df1, h.df2, h.df3)
h.df.total

##   name year BMI B.press B.sugar
## 1  Kim 2011  22     116      69
## 2  Lee 2011  26     124      92
## 3 Choi 2011  23     138      88
## 4  Kim 2012  24     115      77
## 5  Lee 2012  25     121      90
## 6 Choi 2012  22     129      83
## 7  Kim 2013  25     110      73
## 8  Lee 2013  22     120      97
## 9 Choi 2013  19     121      83

# 6) plm 패키지 로딩
library(plm)

## Loading required package: Formula

# 7) 패널 자료로 변환
health.panel1 <- pdata.frame(h.df.total, index=c("name", "year"))
health.panel1

##           name year BMI B.press B.sugar
## Choi-2011 Choi 2011  23     138      88
## Choi-2012 Choi 2012  22     129      83
## Choi-2013 Choi 2013  19     121      83
## Kim-2011   Kim 2011  22     116      69
## Kim-2012   Kim 2012  24     115      77
## Kim-2013   Kim 2013  25     110      73
## Lee-2011   Lee 2011  26     124      92
## Lee-2012   Lee 2012  25     121      90
## Lee-2013   Lee 2013  22     120      97

제5절 R의 주요 연산자와 함수

1. 주요 연산자
2. 주요 수학 및 통계함수

1. 주요 연산자

1) 산술 연산자

2) 관계 연산자

3) 논리 연산자

1. 주요 수학 및 통계함수

1) 주요 수학함수

2) 주요 통계함수

기본적인 통계량을 반환하는 함수

확률분포와 관련된 통계함수

확률분포 접두사

제6절 자료의 입력 및 출력

1. 텍스트 파일의 입력 및 출력
2. 엑셀 파일의 입력 및 출력

1. 텍스트 파일의 입력 및 출력

1) 텍스트 파일로부터 자료 불러오기

텍스트 파일 불러오기 : scan() 함수

# 문자형 자료 예제 - 데이터 전체 불러오기
scan(file="./data/input.sample.txt", what="")

##  [1] "KIM"   "LEE"   "CHOI"  "PARK"  "MIN"   "WHANG" "JUNG"  "YOO"  
##  [9] "KANG"  "AHN"

# 첫 번째 행의 자료 선택
scan(file="./data/input.sample.txt", what="", nline=1)

## [1] "KIM"  "LEE"  "CHOI" "PARK" "MIN"

# 첫 번째 행의 자료 제외
scan(file="./data/input.sample.txt", what="", skip=1)

## [1] "WHANG" "JUNG"  "YOO"   "KANG"  "AHN"

# 수치형 자료 예제 - 데이터 전체 불러오기
scan(file="./data/input.sample0.txt", what="")

##  [1] "23" "12" "5"  "7"  "8"  "30" "12" "17" "42" "33" "35" "24" "22" "15"
## [15] "10" "45" "66" "52" "13" "47"

# 3행과 4행의 데이터를 불러온 후 5x2 행렬 생성
text.mat <- matrix(scan(file="./data/input.sample0.txt", skip=2), nrow=5, dimnames=list(1:5, c("X", "Y")))
text.mat

##    X  Y
## 1 35 45
## 2 24 66
## 3 22 52
## 4 15 13
## 5 10 47

파일에 입력된 테이블 자료를 R에 불러오는 함수 : read.table()

# 한국은행 경제통계시스템(ecos.bok.or.kr)에서 수집한 
# 2011년 1월부터 2012년 1월까지의 
# 월별 코스피(KOSPI)지수와 코스닥(KOSDAQ) 지수 자료

# 파일 경로를 입력하여 데이터 전체 불러오기
read.table(file="./data/input.sample1.txt")

##         V1      V2     V3
## 1     DATE   KOSPI KOSDAQ
## 2  2011/01 2091.61 528.60
## 3  2011/02 2002.87 517.58
## 4  2011/03 2002.67 510.59
## 5  2011/04 2153.13 528.44
## 6  2011/05 2121.87 494.71
## 7  2011/06 2074.64 469.03
## 8  2011/07 2150.06 511.55
## 9  2011/08 1869.41 488.16
## 10 2011/09 1790.95 461.47
## 11 2011/10 1825.88 471.45
## 12 2011/11 1858.80 497.85
## 13 2011/12 1863.23 501.07
## 14 2012/01 1891.01 516.72

# 첫 줄 변수이름 사용 옵션
sample1 <- read.table(file="./data/input.sample1.txt", header=T)
str(sample1)

## 'data.frame':    13 obs. of  3 variables:
##  $ DATE  : Factor w/ 13 levels "2011/01","2011/02",..: 1 2 3 4 5 6 7 8 9 10 ...
##  $ KOSPI : num  2092 2003 2003 2153 2122 ...
##  $ KOSDAQ: num  529 518 511 528 495 ...

head(sample1)

##      DATE KOSPI KOSDAQ
## 1 2011/01  2092  528.6
## 2 2011/02  2003  517.6
## 3 2011/03  2003  510.6
## 4 2011/04  2153  528.4
## 5 2011/05  2122  494.7
## 6 2011/06  2075  469.0

sample1$KOSPI

##  [1] 2092 2003 2003 2153 2122 2075 2150 1869 1791 1826 1859 1863 1891

sample1$KOSDAQ

##  [1] 528.6 517.6 510.6 528.4 494.7 469.0 511.6 488.2 461.5 471.4 497.9
## [12] 501.1 516.7

# 첫 줄 변수이름 사용 옵션, 첫 번째 열을 행 이름으로 사용
sample1 <- read.table(file="./data/input.sample1.txt", header=T, row.names=1)
str(sample1)

## 'data.frame':    13 obs. of  2 variables:
##  $ KOSPI : num  2092 2003 2003 2153 2122 ...
##  $ KOSDAQ: num  529 518 511 528 495 ...

head(sample1)

##         KOSPI KOSDAQ
## 2011/01  2092  528.6
## 2011/02  2003  517.6
## 2011/03  2003  510.6
## 2011/04  2153  528.4
## 2011/05  2122  494.7
## 2011/06  2075  469.0

sample1$KOSPI

##  [1] 2092 2003 2003 2153 2122 2075 2150 1869 1791 1826 1859 1863 1891

sample1$KOSDAQ

##  [1] 528.6 517.6 510.6 528.4 494.7 469.0 511.6 488.2 461.5 471.4 497.9
## [12] 501.1 516.7

# 수치형과 문자형이 혼합되어 있으며
# 결측값 NA가 포함되어 있고
# 각 데이터가 쉼표로 구분되어 있는 경우
# 계량경제학을 수강하는 학생 7명의 이름과 성별, 나이, 중간시험 성적 데이터가 입력된 자료
sample2 <- read.table(file="./data/input.sample2.txt",         # 파일 로드
                  sep=",", row.name=paste("p", 1:7, sep="."),  # 구분기호, 행 이름 입력
                  col.names=c("name", "sex", "age", "score"),  # 열(변수) 이름 입력
                  stringsAsFactors=F)                          # 범주자료 자동 변환 제한
str(sample2)

## 'data.frame':    7 obs. of  4 variables:
##  $ name : chr  "KIM" "LEE" "CHOI" "PARK" ...
##  $ sex  : chr  "M" "F" "F" "M" ...
##  $ age  : int  24 21 22 23 NA 20 22
##  $ score: int  100 95 80 88 92 85 86

sample2

##     name sex age score
## p.1  KIM   M  24   100
## p.2  LEE   F  21    95
## p.3 CHOI   F  22    80
## p.4 PARK   M  23    88
## p.5 HONG   F  NA    92
## p.6  JIN   M  20    85
## p.7 KANG   F  22    86

sum(sample2$age)

## [1] NA

sample2$name

## [1] "KIM"  "LEE"  "CHOI" "PARK" "HONG" "JIN"  "KANG"

sample2$sex

## [1] "M" "F" "F" "M" "F" "M" "F"

2) 텍스트 파일로 자료 보내기

연산 결과를 실시간으로 파일에 저장하는 R 함수 : sink()

# 벡터 생성
x <- c(10, 13, 56, 66, 74, 12, 41, 74, 85, 61)
# 파일 생성 및 연결
sink(file="./out/output.sample.txt")
# 평균값 저장
mean(x)

## [1] 49.2

# 표준편차 값 저장
sd(x)

## [1] 28.44

# 요약통계량 저장
summary(x)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    10.0    20.0    58.5    49.2    72.0    85.0

# 연결 종료
sink()

# 이미 생성된 파일에 추가로 결과물 저장
# 첨부모드로 연결, 콘솔 출력 옵션 선택
sink(file="./out/output.sample.txt", append=T, split=T)
# 벡터 출력, 저장
x

##  [1] 10 13 56 66 74 12 41 74 85 61

# 새로운 벡터 생성, 출력, 저장
(y<-1:10)

##  [1]  1  2  3  4  5  6  7  8  9 10

# 공분산 결과 출력, 저장
cov(x,y)

## [1] 50.89

# 상관계수 출력, 저장
cor(x,y)

## [1] 0.5911

# 연결종료
sink()

벡터 자료를 파일에 저장하는 R 함수 : cat()

# 난수 생성
ts <- round(rnorm(30, 100, 10))
# 원소 이름 입력
names(ts) <- paste(1982:2011, "Y")
# 객체 ts의 데이터를 "output.sample0.txt"에 저장
cat(ts, file="./out/output.sample0.txt",
    sep=".",     # 구분기호는 마침표.
    fill=T)      #텍스트 파일의 활성창(window) 크기에 맞춰서 자동으로 줄 바꿈

테이블 구조의 자료를 파일에 저장하는 R 함수 : write.table()

# sample1을 "output.sample1.txt"에 저장하기
write.table(sample1, file="./out/output.sample1.txt", row.names=F)
# sample2를 "output.sample2.txt"에 저장하기
write.table(sample2, file="./out/output.sample2.txt")